CN116720755B - 一种基于大数据的渔业资源评价方法及系统 - Google Patents
一种基于大数据的渔业资源评价方法及系统 Download PDFInfo
- Publication number
- CN116720755B CN116720755B CN202311002723.0A CN202311002723A CN116720755B CN 116720755 B CN116720755 B CN 116720755B CN 202311002723 A CN202311002723 A CN 202311002723A CN 116720755 B CN116720755 B CN 116720755B
- Authority
- CN
- China
- Prior art keywords
- data information
- fishery
- information
- acquiring
- fishery resource
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 100
- 238000012545 processing Methods 0.000 claims abstract description 42
- 230000000007 visual effect Effects 0.000 claims abstract description 36
- 238000000034 method Methods 0.000 claims abstract description 32
- 230000006399 behavior Effects 0.000 claims description 62
- 230000012010 growth Effects 0.000 claims description 52
- 230000007613 environmental effect Effects 0.000 claims description 48
- 230000000694 effects Effects 0.000 claims description 16
- 238000005516 engineering process Methods 0.000 claims description 14
- 238000010219 correlation analysis Methods 0.000 claims description 7
- 238000013135 deep learning Methods 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 3
- 241000282414 Homo sapiens Species 0.000 abstract description 6
- 238000012216 screening Methods 0.000 abstract description 3
- 241000251468 Actinopterygii Species 0.000 description 10
- 238000012800 visualization Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 4
- 235000015170 shellfish Nutrition 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 241000143060 Americamysis bahia Species 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012876 topography Methods 0.000 description 2
- 241000195493 Cryptophyta Species 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000037406 food intake Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
- Y02A40/80—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in fisheries management
- Y02A40/81—Aquaculture, e.g. of fish
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Multimedia (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Mining & Mineral Resources (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Animal Husbandry (AREA)
- Agronomy & Crop Science (AREA)
- Primary Health Care (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Marine Sciences & Fisheries (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Mechanical Means For Catching Fish (AREA)
Abstract
本发明涉及一种基于大数据的渔业资源评价方法及系统,属于渔业资源评价技术领域,本发明通过获取满足预设条件的渔业资源子区域在预设时间之内发生的行为数据信息,并根据在预设时间之内的行为数据信息进行二次评价,获取二次评价后的渔业资源子区域;根据二次评价后的渔业资源子区域进行可视化处理,获取可视化处理结果,并根据可视化处理结果制定相关的渔船捕捞规划。通过本方法能够有效地筛选出用户想要的渔业资源的潜在捕捞位置,并根据预设时间之内的人类行为数据对渔业资源的潜在捕捞位置进行二次筛选,从而根据渔业资源子区域构建渔船行驶路线推荐给用户,本方法考虑了人为因素,提高了对待评价的渔业区域的评价精度。
Description
技术领域
本发明涉及渔业资源评价技术领域,尤其涉及一种基于大数据的渔业资源评价方法及系统。
背景技术
渔业资源评估为制定和实施渔业管理措施提供科学依据,是保障渔业可持续利用的重要手段。环境气候因素在鱼类个体的生长、发育、摄食、洄游乃至种群结构变动中都扮演着重要的角色,这也使得越来越多的研究学者将环境因子考虑进渔业资源的评估管理中。随着捕捞的规范化、渔业资源调查工作的不断开展和建模技术的提高,现阶段的结合环境因素的渔业资源评估工作取得了一定的成果。而现如今,对于渔业资源的评价精度还存在一定的温度,如渔业资源的预测精度问题,当前环境因子符合鱼类、贝类等生物的最佳生存环境因子不一定代表该区域的渔业资源是丰富的,还会可能受到人类的行为活动影响,而导致该区域的渔业资源的相对较低。
发明内容
本发明克服了现有技术的不足,提供了一种基于大数据的渔业资源评价方法及系统。
为达上述目的,本发明采用的技术方案为:
本发明第一方面提供了一种基于大数据的渔业资源评价方法,包括以下步骤:
通过遥感技术获取目标区域的影像数据信息,并根据所述目标区域的影像数据信息获取与渔业资源相关的图像特征数据信息,获取当前目标区域的环境因子数据信息;
根据所述与渔业资源相关的图像特征数据信息以及当前目标区域的环境因子数据信息进行一次评价,获取满足预设条件的渔业资源子区域;
获取满足预设条件的渔业资源子区域在预设时间之内发生的行为数据信息,并根据所述在预设时间之内的行为数据信息进行二次评价,获取二次评价后的渔业资源子区域;
根据所述二次评价后的渔业资源子区域进行可视化处理,获取可视化处理结果,并根据所述可视化处理结果制定相关的渔船捕捞规划。
进一步地,本发明的一个较佳实施例中,根据所述目标区域的影像数据信息获取与渔业资源相关的图像特征数据信息,具体包括以下步骤:
获取当前捕捞计划的渔业资源数据信息,并根据所述当前捕捞计划的渔业资源数据信息构建关键词信息,基于所述关键词信息通过大数据网络进行检索;
通过检索,获取当前捕捞计划的渔业资源数据信息相关的生活习性数据信息,根据所述相关的生活习性数据信息获取大量的影像数据信息,基于深度学习网络构建栖息地识别模型;
将所述大量的影像数据信息输入到所述栖息地识别模型中进行训练,以获取训练完成的栖息地识别模型,将所述目标区域的影像数据信息输入到所述训练完成的栖息地识别模型中,获取当前捕捞计划的渔业资源数据信息对应的栖息地图像数据;
获取所述栖息地图像数据对应的地理位置区域,并将所述栖息地图像数据对应的地理位置区域作为与渔业资源相关的图像特征数据信息输出。
进一步地,本发明的一个较佳实施例中,根据所述与渔业资源相关的图像特征数据信息以及当前目标区域的环境因子数据信息进行一次评价,获取满足预设条件的渔业资源子区域,具体包括以下步骤:
将所述目标区域分为多个子区域,并根据苏所述当前目标区域的环境因子数据信息获取每个子区域的环境因子数据信息,通过大数据网络获取与渔业资源相关的最适生活环境数据信息,构建渔业资源生长指标模型;
将所述与渔业资源相关的最适生活环境数据信息以及所述每个子区域的环境因子数据信息输入到所述渔业资源生长指标模型中进行评价;
通过评价,获取目标区域中每个子区域的相关渔业资源的生长指数信息,并判断所述目标区域中每个子区域的相关渔业资源的生长指数信息是否大于预设生长指数信息;
若所述目标区域中每个子区域的相关渔业资源的生长指数信息大于预设生长指数信息,则将该子区域作为满足预设条件的渔业资源子区域进行输出。
进一步地,本发明的一个较佳实施例中,获取满足预设条件的渔业资源子区域在预设时间之内发生的行为数据信息,并根据所述在预设时间之内的行为数据信息进行二次评价,获取二次评价后的渔业资源子区域,具体包括以下步骤:
获取满足预设条件的渔业资源子区域在预设时间之内发生的行为数据信息,并通过灰色关联分析法分析所述行为数据信息与相关的渔业资源之间的干扰关联性;
获取干扰关联性大于预设干扰关联性的行为数据信息所在的活动范围数据信息;
根据干扰关联性大于预设干扰关联性的行为数据信息所在的活动范围数据信息以及当前渔业资源子区域的区域范围数据信息计算出干扰区域信息;
将所述干扰区域信息从所述满足预设条件的渔业资源子区域中进行剔除,以生成二次评价后的渔业资源子区域。
进一步地,本发明的一个较佳实施例中,根据所述二次评价后的渔业资源子区域进行可视化处理,获取可视化处理结果,具体包括以下步骤:
获取所述二次评价后的渔业资源子区域所在的地理位置信息,并根据所述二次评价后的渔业资源子区域所在的地理位置信息获取映射关系;
构建虚拟场景信息,并将所述二次评价后的渔业资源子区域根据所述映射关系输入所述虚拟场景信息,得到构建好的虚拟场景信息;
根据所述构建好的虚拟场景信息生成可视化处理结果,并按照预设方式进行显示。
进一步地,本发明的一个较佳实施例中,根据所述可视化处理结果制定相关的渔船捕捞规划,具体包括以下步骤:
获取所述可视化结果中的渔业资源子区域,并将所述可视化结果中的渔业资源子区域输入到蚁群算法中进行反复构造,以获取最佳的渔船航行路径信息;
将所述最佳的渔船航行路径信息分为多个子路径,通过大数据获取所述子路径的历史航行信息,并对所述子路径的历史航行信息进行航行障碍特征提取;
获取存在航行障碍的子路径,并通过遥感技术获取存在航行障碍的子路径所在位置的遥感图像信息,通过对所述遥感图进行滤波以及去噪处理,获取处理后的遥感图像信息,并根据所述处理后的遥感图像信息通过三维建模软件构建礁石三维模型;
获取当前渔船的外形轮廓尺寸信息,并根据所述当前渔船的外形轮廓尺寸信息构建渔船三维模型信息,获取礁石三维模型的位置信息,根据所述礁石三维模型的位置信息判断所述渔船三维模型信息与礁石三维模型是否存在碰撞,若存在碰撞,则调整最佳的渔船航行路径信息,并生成相关的渔船捕捞规划。
本发明第二方面提供了一种基于大数据的渔业资源评价系统,所述评价系统包括存储器以及处理器,所述存储器中包含基于大数据的渔业资源评价方法程序,所述基于大数据的渔业资源评价方法程序被处理器执行时,实现如下步骤:
通过遥感技术获取目标区域的影像数据信息,并根据所述目标区域的影像数据信息获取与渔业资源相关的图像特征数据信息,获取当前目标区域的环境因子数据信息;
根据所述与渔业资源相关的图像特征数据信息以及当前目标区域的环境因子数据信息进行一次评价,获取满足预设条件的渔业资源子区域;
获取满足预设条件的渔业资源子区域在预设时间之内发生的行为数据信息,并根据所述在预设时间之内的行为数据信息进行二次评价,获取二次评价后的渔业资源子区域;
根据所述二次评价后的渔业资源子区域进行可视化处理,获取可视化处理结果,并根据所述可视化处理结果制定相关的渔船捕捞规划。
在本实施例中,根据所述目标区域的影像数据信息获取与渔业资源相关的图像特征数据信息,具体包括以下步骤:
获取当前捕捞计划的渔业资源数据信息,并根据所述当前捕捞计划的渔业资源数据信息构建关键词信息,基于所述关键词信息通过大数据网络进行检索;
通过检索,获取当前捕捞计划的渔业资源数据信息相关的生活习性数据信息,根据所述相关的生活习性数据信息获取大量的影像数据信息,基于深度学习网络构建栖息地识别模型;
将所述大量的影像数据信息输入到所述栖息地识别模型中进行训练,以获取训练完成的栖息地识别模型,将所述目标区域的影像数据信息输入到所述训练完成的栖息地识别模型中,获取当前捕捞计划的渔业资源数据信息对应的栖息地图像数据;
获取所述栖息地图像数据对应的地理位置区域,并将所述栖息地图像数据对应的地理位置区域作为与渔业资源相关的图像特征数据信息输出。
在本实施例中,根据所述与渔业资源相关的图像特征数据信息以及当前目标区域的环境因子数据信息进行一次评价,获取满足预设条件的渔业资源子区域,具体包括以下步骤:
将所述目标区域分为多个子区域,并根据苏所述当前目标区域的环境因子数据信息获取每个子区域的环境因子数据信息,通过大数据网络获取与渔业资源相关的最适生活环境数据信息,构建渔业资源生长指标模型;
将所述与渔业资源相关的最适生活环境数据信息以及所述每个子区域的环境因子数据信息输入到所述渔业资源生长指标模型中进行评价;
通过评价,获取目标区域中每个子区域的相关渔业资源的生长指数信息,并判断所述目标区域中每个子区域的相关渔业资源的生长指数信息是否大于预设生长指数信息;
若所述目标区域中每个子区域的相关渔业资源的生长指数信息大于预设生长指数信息,则将该子区域作为满足预设条件的渔业资源子区域进行输出。
在本实施例中,获取满足预设条件的渔业资源子区域在预设时间之内发生的行为数据信息,并根据所述在预设时间之内的行为数据信息进行二次评价,获取二次评价后的渔业资源子区域,具体包括以下步骤:
获取满足预设条件的渔业资源子区域在预设时间之内发生的行为数据信息,并通过灰色关联分析法分析所述行为数据信息与相关的渔业资源之间的干扰关联性;
获取干扰关联性大于预设干扰关联性的行为数据信息所在的活动范围数据信息;
根据干扰关联性大于预设干扰关联性的行为数据信息所在的活动范围数据信息以及当前渔业资源子区域的区域范围数据信息计算出干扰区域信息;
将所述干扰区域信息从所述满足预设条件的渔业资源子区域中进行剔除,以生成二次评价后的渔业资源子区域。
本发明解决了背景技术中存在的缺陷,本发明具备以下有益效果:
本发明通过遥感技术获取目标区域的影像数据信息,并根据目标区域的影像数据信息获取与渔业资源相关的图像特征数据信息,获取当前目标区域的环境因子数据信息;根据与渔业资源相关的图像特征数据信息以及当前目标区域的环境因子数据信息进行一次评价,获取满足预设条件的渔业资源子区域;获取满足预设条件的渔业资源子区域在预设时间之内发生的行为数据信息,并根据在预设时间之内的行为数据信息进行二次评价,获取二次评价后的渔业资源子区域;根据二次评价后的渔业资源子区域进行可视化处理,获取可视化处理结果,并根据可视化处理结果制定相关的渔船捕捞规划。通过本方法能够有效地筛选出用户想要的渔业资源的潜在捕捞位置,并根据预设时间之内的人类行为数据对渔业资源的潜在捕捞位置进行二次筛选,从而得到渔业资源子区域,从而根据渔业资源子区域构建渔船行驶路线推荐给用户,本方法考虑了人为因素,提高了对待评价的渔业区域的评价精度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他实施例的附图。
图1示出了一种基于大数据的渔业资源评价方法的具体方法流程图;
图2示出了一种基于大数据的渔业资源评价方法的第一方法流程图;
图3示出了一种基于大数据的渔业资源评价方法的第二方法流程图;
图4示出了一种基于大数据的渔业资源评价系统的系统框图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的其他方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
本发明第一方面提供了一种基于大数据的渔业资源评价方法,包括以下步骤:
S102:通过遥感技术获取目标区域的影像数据信息,并根据所述目标区域的影像数据信息获取与渔业资源相关的图像特征数据信息,获取当前目标区域的环境因子数据信息;
S104:根据所述与渔业资源相关的图像特征数据信息以及当前目标区域的环境因子数据信息进行一次评价,获取满足预设条件的渔业资源子区域;
S106:获取满足预设条件的渔业资源子区域在预设时间之内发生的行为数据信息,并根据所述在预设时间之内的行为数据信息进行二次评价,获取二次评价后的渔业资源子区域;
S108:根据所述二次评价后的渔业资源子区域进行可视化处理,获取可视化处理结果,并根据所述可视化处理结果制定相关的渔船捕捞规划。
需要说明的是,通过本方法能够有效地筛选出用户想要的渔业资源的潜在捕捞位置,并根据预设时间之内的人类行为数据对渔业资源的潜在捕捞位置进行二次筛选,从而得到渔业资源子区域,从而根据渔业资源子区域构建渔船行驶路线推荐给用户,本方法考虑了人为因素,提高了对待评价的渔业区域的评价精度。
需要说明的是,进一步地,本发明的一个较佳实施例中,根据所述目标区域的影像数据信息获取与渔业资源相关的图像特征数据信息,具体包括:获取当前捕捞计划的渔业资源数据信息,并根据所述当前捕捞计划的渔业资源数据信息构建关键词信息,基于所述关键词信息通过大数据网络进行检索;通过检索,获取当前捕捞计划的渔业资源数据信息相关的生活习性数据信息,根据所述相关的生活习性数据信息获取大量的影像数据信息,基于深度学习网络构建栖息地识别模型;将所述大量的影像数据信息输入到所述栖息地识别模型中进行训练,以获取训练完成的栖息地识别模型,将所述目标区域的影像数据信息输入到所述训练完成的栖息地识别模型中,获取当前捕捞计划的渔业资源数据信息对应的栖息地图像数据;获取所述栖息地图像数据对应的地理位置区域,并将所述栖息地图像数据对应的地理位置区域作为与渔业资源相关的图像特征数据信息输出。
需要说明的是,由于不同的鱼类一般而言存在着不同喜好的栖息地环境,如鱼类喜好的地形地貌的栖息地、鱼类喜好的海洋生活深度等数据,其中图像特征数据信息可以是藻类生活环境、海底地形地貌的生活环境等鱼类栖息地图像特征数据信息。
如图2所示,进一步地,本发明的一个较佳实施例中,根据所述与渔业资源相关的图像特征数据信息以及当前目标区域的环境因子数据信息进行一次评价,获取满足预设条件的渔业资源子区域,具体包括以下步骤:
S202:将所述目标区域分为多个子区域,并根据苏所述当前目标区域的环境因子数据信息获取每个子区域的环境因子数据信息,通过大数据网络获取与渔业资源相关的最适生活环境数据信息,构建渔业资源生长指标模型;
S204:将所述与渔业资源相关的最适生活环境数据信息以及所述每个子区域的环境因子数据信息输入到所述渔业资源生长指标模型中进行评价;
S206:通过评价,获取目标区域中每个子区域的相关渔业资源的生长指数信息,并判断所述目标区域中每个子区域的相关渔业资源的生长指数信息是否大于预设生长指数信息;
S208:若所述目标区域中每个子区域的相关渔业资源的生长指数信息大于预设生长指数信息,则将该子区域作为满足预设条件的渔业资源子区域进行输出。
需要说明的是,对于某一种鱼类、贝类等生物而言,环境因子数据信息是生存的重要环境,如温度环境、盐度环境,当环境因子数据信息不符合生物生存时,此时该类生物就会发生迁徙,其中,渔业资源生长指标模型满足以下关系式:
;
其中,为生长指数,n为环境因子的个数,/>为第n个实时环境因子,/>第n个最适环境因子。
通过本方法能够有效地筛选出目标区域中每个子区域的相关渔业资源的生长指数大于预设生长指数的渔业资源子区域。当越接近于1,代表该环境越适合某种生物生长。
如图3所示,进一步地,本发明的一个较佳实施例中,获取满足预设条件的渔业资源子区域在预设时间之内发生的行为数据信息,并根据所述在预设时间之内的行为数据信息进行二次评价,获取二次评价后的渔业资源子区域,具体包括以下步骤:
S302:获取满足预设条件的渔业资源子区域在预设时间之内发生的行为数据信息,并通过灰色关联分析法分析所述行为数据信息与相关的渔业资源之间的干扰关联性;
S304:获取干扰关联性大于预设干扰关联性的行为数据信息所在的活动范围数据信息;
S306:根据干扰关联性大于预设干扰关联性的行为数据信息所在的活动范围数据信息以及当前渔业资源子区域的区域范围数据信息计算出干扰区域信息;
S308:将所述干扰区域信息从所述满足预设条件的渔业资源子区域中进行剔除,以生成二次评价后的渔业资源子区域。
示例性的,即使是环境因子符合预设标准,但是还可能受到行为数据的影响或者通信设施的行为影响,行为数据信息可以是人类在某一片海域中的行为,如海上施工行为,该类行为容易产生一定的驱赶或者干扰效果,如噪音、信号发送基站以及接收基站电磁波影响,导致鱼类、贝类、虾类等生物产生迁徙,通过本方法能够进一步地筛选出渔业资源子区域,从而提高渔业资源评价的精度。灰色关联分析方法,是根据因素之间发展趋势的相似或相异程度,亦即“灰色关联度”,作为衡量因素间关联程度的一种方法。当某个行为数据对应的干扰关联性大于预设干扰关联性时,说明该行为数据信息能够干扰鱼类、贝类、虾类等生物的栖息活动,从而导致该类生物进行迁徙活动。其中,根据干扰关联性大于预设干扰关联性的行为数据信息所在的活动范围数据信息以及当前渔业资源子区域的区域范围数据信息计算出干扰区域信息,如可根据电磁波的影响关系来计算出干扰区域、可根据声波的传递方式计算出噪音的干扰区域,该类计算方式均可以从大数据网络中获取。
进一步地,本发明的一个较佳实施例中,根据所述二次评价后的渔业资源子区域进行可视化处理,获取可视化处理结果,具体包括以下步骤:
获取所述二次评价后的渔业资源子区域所在的地理位置信息,并根据所述二次评价后的渔业资源子区域所在的地理位置信息获取映射关系;
构建虚拟场景信息,并将所述二次评价后的渔业资源子区域根据所述映射关系输入所述虚拟场景信息,得到构建好的虚拟场景信息;
根据所述构建好的虚拟场景信息生成可视化处理结果,并按照预设方式进行显示。
在本实施例中,通过三维建模软件、AR技术或者VR技术能够提供可视化的结果给用户参考,使得其显示结果更加直观。
进一步地,本发明的一个较佳实施例中,根据所述可视化处理结果制定相关的渔船捕捞规划,具体包括以下步骤:
获取所述可视化结果中的渔业资源子区域,并将所述可视化结果中的渔业资源子区域输入到蚁群算法中进行反复构造,以获取最佳的渔船航行路径信息;
将所述最佳的渔船航行路径信息分为多个子路径,通过大数据获取所述子路径的历史航行信息,并对所述子路径的历史航行信息进行航行障碍特征提取;
获取存在航行障碍的子路径,并通过遥感技术获取存在航行障碍的子路径所在位置的遥感图像信息,通过对所述遥感图进行滤波以及去噪处理,获取处理后的遥感图像信息,并根据所述处理后的遥感图像信息通过三维建模软件构建礁石三维模型;
获取当前渔船的外形轮廓尺寸信息,并根据所述当前渔船的外形轮廓尺寸信息构建渔船三维模型信息,获取礁石三维模型的位置信息,根据所述礁石三维模型的位置信息判断所述渔船三维模型信息与礁石三维模型是否存在碰撞,若存在碰撞,则调整最佳的渔船航行路径信息,并生成相关的渔船捕捞规划。
需要说明的是,通过本方法能够使得渔船捕捞规划更加合理。
如图4所示,本发明第二方面提供了一种基于大数据的渔业资源评价系统4,所述评价系统包括存储器41以及处理器62,所述存储器41中包含基于大数据的渔业资源评价方法程序,所述基于大数据的渔业资源评价方法程序被处理器62执行时,实现如下步骤:
通过遥感技术获取目标区域的影像数据信息,并根据所述目标区域的影像数据信息获取与渔业资源相关的图像特征数据信息,获取当前目标区域的环境因子数据信息;
根据所述与渔业资源相关的图像特征数据信息以及当前目标区域的环境因子数据信息进行一次评价,获取满足预设条件的渔业资源子区域;
获取满足预设条件的渔业资源子区域在预设时间之内发生的行为数据信息,并根据所述在预设时间之内的行为数据信息进行二次评价,获取二次评价后的渔业资源子区域;
根据所述二次评价后的渔业资源子区域进行可视化处理,获取可视化处理结果,并根据所述可视化处理结果制定相关的渔船捕捞规划。
在本实施例中,根据所述目标区域的影像数据信息获取与渔业资源相关的图像特征数据信息,具体包括以下步骤:
获取当前捕捞计划的渔业资源数据信息,并根据所述当前捕捞计划的渔业资源数据信息构建关键词信息,基于所述关键词信息通过大数据网络进行检索;
通过检索,获取当前捕捞计划的渔业资源数据信息相关的生活习性数据信息,根据所述相关的生活习性数据信息获取大量的影像数据信息,基于深度学习网络构建栖息地识别模型;
将所述大量的影像数据信息输入到所述栖息地识别模型中进行训练,以获取训练完成的栖息地识别模型,将所述目标区域的影像数据信息输入到所述训练完成的栖息地识别模型中,获取当前捕捞计划的渔业资源数据信息对应的栖息地图像数据;
获取所述栖息地图像数据对应的地理位置区域,并将所述栖息地图像数据对应的地理位置区域作为与渔业资源相关的图像特征数据信息输出。
在本实施例中,根据所述与渔业资源相关的图像特征数据信息以及当前目标区域的环境因子数据信息进行一次评价,获取满足预设条件的渔业资源子区域,具体包括以下步骤:
将所述目标区域分为多个子区域,并根据苏所述当前目标区域的环境因子数据信息获取每个子区域的环境因子数据信息,通过大数据网络获取与渔业资源相关的最适生活环境数据信息,构建渔业资源生长指标模型;
将所述与渔业资源相关的最适生活环境数据信息以及所述每个子区域的环境因子数据信息输入到所述渔业资源生长指标模型中进行评价;
通过评价,获取目标区域中每个子区域的相关渔业资源的生长指数信息,并判断所述目标区域中每个子区域的相关渔业资源的生长指数信息是否大于预设生长指数信息;
若所述目标区域中每个子区域的相关渔业资源的生长指数信息大于预设生长指数信息,则将该子区域作为满足预设条件的渔业资源子区域进行输出。
在本实施例中,获取满足预设条件的渔业资源子区域在预设时间之内发生的行为数据信息,并根据所述在预设时间之内的行为数据信息进行二次评价,获取二次评价后的渔业资源子区域,具体包括以下步骤:
获取满足预设条件的渔业资源子区域在预设时间之内发生的行为数据信息,并通过灰色关联分析法分析所述行为数据信息与相关的渔业资源之间的干扰关联性;
获取干扰关联性大于预设干扰关联性的行为数据信息所在的活动范围数据信息;
根据干扰关联性大于预设干扰关联性的行为数据信息所在的活动范围数据信息以及当前渔业资源子区域的区域范围数据信息计算出干扰区域信息;
将所述干扰区域信息从所述满足预设条件的渔业资源子区域中进行剔除,以生成二次评价后的渔业资源子区域。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,如:多个单元或组件可以结合,或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元;既可以位于一个地方,也可以分布到多个网络单元上;可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外,在本发明各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,也可以两个或两个以上单元集成在一个单元中;上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者,本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例方法的全部或部分。而前述的存储介质包括:移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (6)
1.一种基于大数据的渔业资源评价方法,其特征在于,包括以下步骤:
通过遥感技术获取目标区域的影像数据信息,并根据所述目标区域的影像数据信息获取与渔业资源相关的图像特征数据信息,获取当前目标区域的环境因子数据信息;
根据所述与渔业资源相关的图像特征数据信息以及当前目标区域的环境因子数据信息进行一次评价,获取满足预设条件的渔业资源子区域;
获取满足预设条件的渔业资源子区域在预设时间之内发生的行为数据信息,并根据所述在预设时间之内的行为数据信息进行二次评价,获取二次评价后的渔业资源子区域;
根据所述二次评价后的渔业资源子区域进行可视化处理,获取可视化处理结果,并根据所述可视化处理结果制定相关的渔船捕捞规划;
获取满足预设条件的渔业资源子区域在预设时间之内发生的行为数据信息,并根据所述在预设时间之内的行为数据信息进行二次评价,获取二次评价后的渔业资源子区域,具体包括以下步骤:
获取满足预设条件的渔业资源子区域在预设时间之内发生的行为数据信息,并通过灰色关联分析法分析所述行为数据信息与相关的渔业资源之间的干扰关联性;
获取干扰关联性大于预设干扰关联性的行为数据信息所在的活动范围数据信息;
根据干扰关联性大于预设干扰关联性的行为数据信息所在的活动范围数据信息以及当前渔业资源子区域的区域范围数据信息计算出干扰区域信息;
将所述干扰区域信息从所述满足预设条件的渔业资源子区域中进行剔除,以生成二次评价后的渔业资源子区域;
根据所述与渔业资源相关的图像特征数据信息以及当前目标区域的环境因子数据信息进行一次评价,获取满足预设条件的渔业资源子区域,具体包括以下步骤:
将所述目标区域分为多个子区域,并根据所述当前目标区域的环境因子数据信息获取每个子区域的环境因子数据信息,通过大数据网络获取与渔业资源相关的最适生活环境数据信息,构建渔业资源生长指标模型;
将所述与渔业资源相关的最适生活环境数据信息以及所述每个子区域的环境因子数据信息输入到所述渔业资源生长指标模型中进行评价;
通过评价,获取目标区域中每个子区域的相关渔业资源的生长指数信息,并判断所述目标区域中每个子区域的相关渔业资源的生长指数信息是否大于预设生长指数信息;
若所述目标区域中每个子区域的相关渔业资源的生长指数信息大于预设生长指数信息,则将该子区域作为满足预设条件的渔业资源子区域进行输出;
其中,渔业资源生长指标模型满足以下关系式:
;
其中,为生长指数,n为环境因子的个数,/>为第n个实时环境因子,/>第n个最适环境因子;
其中,根据干扰关联性大于预设干扰关联性的行为数据信息所在的活动范围数据信息以及当前渔业资源子区域的区域范围数据信息计算出干扰区域信息,具体包括:
根据电磁波的影响关系来计算出干扰区域。
2.根据权利要求1所述的一种基于大数据的渔业资源评价方法,其特征在于,根据所述目标区域的影像数据信息获取与渔业资源相关的图像特征数据信息,具体包括以下步骤:
获取当前捕捞计划的渔业资源数据信息,并根据所述当前捕捞计划的渔业资源数据信息构建关键词信息,基于所述关键词信息通过大数据网络进行检索;
通过检索,获取当前捕捞计划的渔业资源数据信息相关的生活习性数据信息,根据所述相关的生活习性数据信息获取大量的影像数据信息,基于深度学习网络构建栖息地识别模型;
将所述大量的影像数据信息输入到所述栖息地识别模型中进行训练,以获取训练完成的栖息地识别模型,将所述目标区域的影像数据信息输入到所述训练完成的栖息地识别模型中,获取当前捕捞计划的渔业资源数据信息对应的栖息地图像数据;
获取所述栖息地图像数据对应的地理位置区域,并将所述栖息地图像数据对应的地理位置区域作为与渔业资源相关的图像特征数据信息输出。
3.根据权利要求1所述的一种基于大数据的渔业资源评价方法,其特征在于,根据所述二次评价后的渔业资源子区域进行可视化处理,获取可视化处理结果,具体包括以下步骤:
获取所述二次评价后的渔业资源子区域所在的地理位置信息,并根据所述二次评价后的渔业资源子区域所在的地理位置信息获取映射关系;
构建虚拟场景信息,并将所述二次评价后的渔业资源子区域根据所述映射关系输入所述虚拟场景信息,得到构建好的虚拟场景信息;
根据所述构建好的虚拟场景信息生成可视化处理结果,并按照预设方式进行显示。
4.根据权利要求1所述的一种基于大数据的渔业资源评价方法,其特征在于,根据所述可视化处理结果制定相关的渔船捕捞规划,具体包括以下步骤:
获取所述可视化处理结果中的渔业资源子区域,并将所述可视化处理结果中的渔业资源子区域输入到蚁群算法中进行反复构造,以获取最佳的渔船航行路径信息;
将所述最佳的渔船航行路径信息分为多个子路径,通过大数据获取所述子路径的历史航行信息,并对所述子路径的历史航行信息进行航行障碍特征提取;
获取存在航行障碍的子路径,并通过遥感技术获取存在航行障碍的子路径所在位置的遥感图像信息,通过对所述遥感图像进行滤波以及去噪处理,获取处理后的遥感图像信息,并根据所述处理后的遥感图像信息通过三维建模软件构建礁石三维模型;
获取当前渔船的外形轮廓尺寸信息,并根据所述当前渔船的外形轮廓尺寸信息构建渔船三维模型信息,获取礁石三维模型的位置信息,根据所述礁石三维模型的位置信息判断所述渔船三维模型信息与礁石三维模型是否存在碰撞,若存在碰撞,则调整最佳的渔船航行路径信息,并生成相关的渔船捕捞规划。
5.一种基于大数据的渔业资源评价系统,其特征在于,所述评价系统包括存储器以及处理器,所述存储器中包含基于大数据的渔业资源评价方法程序,所述基于大数据的渔业资源评价方法程序被处理器执行时,实现如下步骤:
通过遥感技术获取目标区域的影像数据信息,并根据所述目标区域的影像数据信息获取与渔业资源相关的图像特征数据信息,获取当前目标区域的环境因子数据信息;
根据所述与渔业资源相关的图像特征数据信息以及当前目标区域的环境因子数据信息进行一次评价,获取满足预设条件的渔业资源子区域;
获取满足预设条件的渔业资源子区域在预设时间之内发生的行为数据信息,并根据所述在预设时间之内的行为数据信息进行二次评价,获取二次评价后的渔业资源子区域;
根据所述二次评价后的渔业资源子区域进行可视化处理,获取可视化处理结果,并根据所述可视化处理结果制定相关的渔船捕捞规划;
获取满足预设条件的渔业资源子区域在预设时间之内发生的行为数据信息,并根据所述在预设时间之内的行为数据信息进行二次评价,获取二次评价后的渔业资源子区域,具体包括以下步骤:
获取满足预设条件的渔业资源子区域在预设时间之内发生的行为数据信息,并通过灰色关联分析法分析所述行为数据信息与相关的渔业资源之间的干扰关联性;
获取干扰关联性大于预设干扰关联性的行为数据信息所在的活动范围数据信息;
根据干扰关联性大于预设干扰关联性的行为数据信息所在的活动范围数据信息以及当前渔业资源子区域的区域范围数据信息计算出干扰区域信息;
将所述干扰区域信息从所述满足预设条件的渔业资源子区域中进行剔除,以生成二次评价后的渔业资源子区域;
根据所述与渔业资源相关的图像特征数据信息以及当前目标区域的环境因子数据信息进行一次评价,获取满足预设条件的渔业资源子区域,具体包括以下步骤:
将所述目标区域分为多个子区域,并根据所述当前目标区域的环境因子数据信息获取每个子区域的环境因子数据信息,通过大数据网络获取与渔业资源相关的最适生活环境数据信息,构建渔业资源生长指标模型;
将所述与渔业资源相关的最适生活环境数据信息以及所述每个子区域的环境因子数据信息输入到所述渔业资源生长指标模型中进行评价;
通过评价,获取目标区域中每个子区域的相关渔业资源的生长指数信息,并判断所述目标区域中每个子区域的相关渔业资源的生长指数信息是否大于预设生长指数信息;
若所述目标区域中每个子区域的相关渔业资源的生长指数信息大于预设生长指数信息,则将该子区域作为满足预设条件的渔业资源子区域进行输出;
其中,渔业资源生长指标模型满足以下关系式:
;
其中,为生长指数,n为环境因子的个数,/>为第n个实时环境因子,/>第n个最适环境因子。
6.根据权利要求5所述的一种基于大数据的渔业资源评价系统,其特征在于,根据所述目标区域的影像数据信息获取与渔业资源相关的图像特征数据信息,具体包括以下步骤:
获取当前捕捞计划的渔业资源数据信息,并根据所述当前捕捞计划的渔业资源数据信息构建关键词信息,基于所述关键词信息通过大数据网络进行检索;
通过检索,获取当前捕捞计划的渔业资源数据信息相关的生活习性数据信息,根据所述相关的生活习性数据信息获取大量的影像数据信息,基于深度学习网络构建栖息地识别模型;
将所述大量的影像数据信息输入到所述栖息地识别模型中进行训练,以获取训练完成的栖息地识别模型,将所述目标区域的影像数据信息输入到所述训练完成的栖息地识别模型中,获取当前捕捞计划的渔业资源数据信息对应的栖息地图像数据;
获取所述栖息地图像数据对应的地理位置区域,并将所述栖息地图像数据对应的地理位置区域作为与渔业资源相关的图像特征数据信息输出。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311002723.0A CN116720755B (zh) | 2023-08-10 | 2023-08-10 | 一种基于大数据的渔业资源评价方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311002723.0A CN116720755B (zh) | 2023-08-10 | 2023-08-10 | 一种基于大数据的渔业资源评价方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116720755A CN116720755A (zh) | 2023-09-08 |
CN116720755B true CN116720755B (zh) | 2024-02-20 |
Family
ID=87875639
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311002723.0A Active CN116720755B (zh) | 2023-08-10 | 2023-08-10 | 一种基于大数据的渔业资源评价方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116720755B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001297207A (ja) * | 2000-04-14 | 2001-10-26 | Nec Corp | ペット販売方法及び記録媒体 |
CN108665104A (zh) * | 2018-05-14 | 2018-10-16 | 华际卫星通信有限公司 | 一种基于lstm的渔场预报方法 |
CN113807017A (zh) * | 2021-09-23 | 2021-12-17 | 西安理工大学 | 一种鱼类偏好栖息地的确定方法及终端设备 |
CN115100512A (zh) * | 2022-05-16 | 2022-09-23 | 中国水产科学研究院南海水产研究所 | 一种海洋经济物种的监测识别捕捞方法、系统及存储介质 |
CN116088542A (zh) * | 2023-04-12 | 2023-05-09 | 中国水产科学研究院南海水产研究所 | 一种基于遥感技术的渔船作业安全预警方法及系统 |
-
2023
- 2023-08-10 CN CN202311002723.0A patent/CN116720755B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001297207A (ja) * | 2000-04-14 | 2001-10-26 | Nec Corp | ペット販売方法及び記録媒体 |
CN108665104A (zh) * | 2018-05-14 | 2018-10-16 | 华际卫星通信有限公司 | 一种基于lstm的渔场预报方法 |
CN113807017A (zh) * | 2021-09-23 | 2021-12-17 | 西安理工大学 | 一种鱼类偏好栖息地的确定方法及终端设备 |
CN115100512A (zh) * | 2022-05-16 | 2022-09-23 | 中国水产科学研究院南海水产研究所 | 一种海洋经济物种的监测识别捕捞方法、系统及存储介质 |
CN116088542A (zh) * | 2023-04-12 | 2023-05-09 | 中国水产科学研究院南海水产研究所 | 一种基于遥感技术的渔船作业安全预警方法及系统 |
Non-Patent Citations (1)
Title |
---|
(新西兰)帕特森编等.《海洋与海岸带生态经济学》.北京海洋出版社,2015,第176-177页. * |
Also Published As
Publication number | Publication date |
---|---|
CN116720755A (zh) | 2023-09-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Pirotta et al. | Scale‐dependent foraging ecology of a marine top predator modelled using passive acoustic data | |
Quiroz et al. | A Bayesian approach to estimate the biomass of anchovies off the coast of Perú | |
Amorim et al. | Spatial variability of seabird distribution associated with environmental factors: a case study of marine Important Bird Areas in the Azores | |
Orúe et al. | Seasonal distribution of tuna and non-tuna species associated with drifting fish aggregating devices (DFADs) in the western Indian Ocean using fishery-independent data | |
Jones et al. | Applying distribution model projections for an uncertain future: the case of the Pacific oyster in UK waters | |
Fallon et al. | Classification of Southern Ocean krill and icefish echoes using random forests | |
O’Farrell et al. | Improving detection of short-duration fishing behaviour in vessel tracks by feature engineering of training data | |
Tarling et al. | Instantaneous movement of krill swarms in the Antarctic Circumpolar Current | |
Martino et al. | Integration of presence‐only data from several sources: a case study on dolphins' spatial distribution | |
Schickele et al. | European cephalopods distribution under climate-change scenarios | |
Coro et al. | Improving data quality to build a robust distribution model for Architeuthis dux | |
Gastauer et al. | Towards acoustic monitoring of a mixed demersal fishery based on commercial data: The case of the Northern Demersal Scalefish Fishery (Western Australia) | |
CN113379137A (zh) | 渔船作业区域的建模与预测方法、系统、存储介质、终端 | |
CN115456490A (zh) | 一种基于地理信息的渔业资源数据分析方法及系统 | |
Barlow et al. | Predictive modeling of cetacean densities in the eastern Pacific Ocean | |
Masuda et al. | Bayesian logistic mixed-effects modelling of transect data: relating red tree coral presence to habitat characteristics | |
CN116562467B (zh) | 一种海洋鱼类目标种类识别及分布预测方法及系统 | |
Cominelli et al. | Geovisualization tools to inform the management of vessel noise in support of species' conservation | |
CN116720755B (zh) | 一种基于大数据的渔业资源评价方法及系统 | |
Tan et al. | Application of the random forest algorithm for mapping potential fishing zones of Rastrelliger kanagurta off the east coast of peninsular Malaysia | |
CN110988888B (zh) | 海底信息的获取方法和装置 | |
Hintze et al. | Bioacoustics for in situ validation of species distribution modelling: An example with bats in Brazil | |
Taylor et al. | Sampling and statistical considerations for hydroacoustic surveys used in estimating abundance of forage fishes in reservoirs | |
Kennerley et al. | Mapping habitats for the suitability of jellyfish blooms around the UK and Ireland | |
Kuriyama et al. | Identification of shared spatial dynamics in temperature, salinity, and ichthyoplankton community diversity in the California current system with empirical dynamic modeling |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |